1700045583
1700045584
其一是防御的能力。当出现不请自来的恶意制造出破坏网络稳定性的第三方设备时，CAN总线顿时变成一个战场，这让人联想起晚餐约会时擅自闯入了一位宾客，他打断了餐桌上的对话。这种恶意的装置不仅仅是妨碍，一旦入侵车载网络，甚至能劫持整辆无人驾驶汽车。
1700045585
1700045586
其二是网络容错性（tolerance to errors）和消除网络噪音的能力。无人驾驶汽车需要一套足以媲美航空电子设备的弹性高效的纠错协议。
1700045587
1700045588
假设无人驾驶汽车的软件发出指令“油门增加1%”，却被燃油注入系统误解为“油门增加100%”，那么公路将会上演一场血腥的屠杀灾难。为了防止系统间数据交流出现致命的错误，纠错协议提供监督功能，就像聘请了一位冷静笃定的校对，二次检查信息传输的内容。无人驾驶汽车CAN总线上的各个子系统需要互相信任。良好的通信协议为子系统核实所收到的信息与传感器发出的内容一致。
1700045589
1700045590
鉴于人类司机在车内驾驶时应对恶意攻击能力的严重不足——无论是自动驾驶汽车还是普通汽车——我们都希望汽车制造商对车内通信协议进行加密保护。遗憾的是，这种安全防范思维还没有稳固地植根在汽车行业里。也许是因为部分车主热衷于摆弄汽车的引擎，所以如今入侵一辆汽车并不太困难。
1700045591
1700045592
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043817]
1700045593
其他设备
1700045594
1700045595
另外，汽车现存的某些明显“弱点”，实际上是有意这样设计的。大部分的汽车都有个实体连接器，叫作车载诊断系统（on-board diagnostics, OBD），当车辆检测人员把设备插入OBD插口时，便能诊断汽车出了什么机械问题。OBD插口一般隐藏在驾驶杆附近，汽车厂商将OBD插座设计在驾驶室内，是为了确保这个插座的安全，这样设计，意味着只有拿到车钥匙的人才能接触到它。
1700045596
1700045597
OBD插口能够直接通过后面板连接汽车操作系统，某些商业产品巧妙地利用了这一点。一款名为DASH的手机应用程序就是利用蓝牙技术来连接汽车诊断的程式，或正如该公司广告宣称的：“让你的车子自己说话！”DASH 是一款意在帮助车主提升驾驶效率的设备。它的工作原理，是通过OBD系统“窃听”车辆的数据，甚至可以记录司机踩了多少次油门和刹车。
1700045598
1700045599
DASH同时也整合数据，公布某些驾驶数据，例如：在哪个路段司机常常急刹车或急转弯。由于DASH知道你所有的驾驶习惯，所以老板和市场推广人员都会对你的汽车很感兴趣，因为它就像是你个人的网页浏览喜好。因此，DASH这类设备面临着个人隐私保护的问题。
1700045600
1700045601
我们的技术是否达到无人驾驶汽车的水平了呢？从硬件传感器所能提供数据来看，答案是肯定的。今天传感器套件的质量和价格绝对能满足无人驾驶的需求。事实上，随着摩尔定律持续生效，传感器会继续提升速度、降低价格；呈指数型增长，每过几个月传感器性能就会翻番，价格减半。现在让我们把注意力转移到软件上，深入研究那充满期待的“最后一块拼图”——深度学习技术。作为软件控制系统冠冕上的明珠，它为机器人感知与响应提供指导。
1700045602
1700045603
1700045604
1700045605
1700045606
图8.5 无人驾驶汽车中应用的重要传感器，绝大部分的自动驾驶汽车都将使用以上多种传感器组合
1700045607
1700045608
1700045609
1700045610
1700045611
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043818]
1700045612
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 第九章 深度学习，无人驾驶的最后一块拼图
1700045613
1700045614
人类识别物体，是根据物体本身的特征，例如从标志性的特征认出某位朋友，或是根据某个颜色鲜艳的标签，让你一眼就从行李传送带上堆积如山的行李中认出自己的行李箱。现在软件也能根据物体显著的特性来学习识别某个物体。
1700045615
1700045616
人类有持久稳定的记忆，能够认出在不同情况下见过的物体或场景，深度学习最终也能赋予机器这种神奇的能力。哪怕数码照片在机器不熟悉的环境和不同层次的灯光下拍摄的照片，深度学习也能识别照片中的物体。事实上，深度学习软件通过不同的应用，已经达到与人类水平相当的识别能力。我们也许不久将会看到莫拉维克悖论解决方案的诞生，因为机器人专家和计算机科学家已经找到新的方式，把深度学习应用到机器人感知与响应领域。
1700045617
1700045618
2012年以来，深度学习发展日渐成熟，现在已经能够应用到多个领域。在无人驾驶汽车方面，深度学习能够为车辆提供视觉能力，并提升语言识别软件的语言理解能力。2016年，深度学习软件在一次备受瞩目的活动中显示了其多才多艺——该活动就是谷歌公司的AlphaGo围棋项目——人工智能软件击败了世界上最顶尖的棋手——要知道围棋可是被公认的比国际象棋比赛更有挑战性。为了鼓励第三方开发商使用其软件工具来开发智能应用程序，谷歌、微软和Facebook分别推出了各自的开源深度学习发展平台。
1700045619
1700045620
与其他深度学习软件类型一样，深度学习软件需要极高的计算能力和大量的训练数据。以高速计算机和传感器为代表的使能技术发展成熟，并不是推动深度学习软件得到普及的唯一因素。政府因素，也是促使深度学习高速发展的巨大动力。
1700045621
1700045622
数十年来人工神经网络的发展步伐缓慢——但这项技术决定着深度学习软件的基础——因此一系列的意识形态都在高校计算机系的研究中停滞不前。自从1950年作为一项正式的研究领域出现以来，人工智能领域就是一项意识形态的战争。由于没有人真正明白大脑是怎么工作的，几个世纪以来，哲学家围绕人类思想的未解之谜展开了激烈的学术斗争。大脑和心智之间的不同在哪里？智能是什么？知识又是什么？现代学术界致力于研发人造大脑的科学家，发现自己和历史上的哲学家一样无法解答上述难题。
1700045623
1700045624
在人类知识的正式研究过程中，研究学者总是会倾向于与某种思想流派，并常常为了捍卫该流派而穷尽毕生之力。虽然有别于思想流派之间争论，但人工知识的研究实际上也遵循着这种规律。对于高校学术界以外的人来说，关于众多不同人工智能方法孰优孰劣的学术辩论就像是一场计算机抽象化理论的斗争。然而对于这些学术研究学者而言，这些辩论一点儿也不抽象，实质上这是关于稀缺资源的战争。
1700045625
1700045626
年轻的人工智能研究员往往进步神速，他们所认同的思想观点决定了他们职业生涯的发展轨迹。教授和研究人员判断一项人工智能研究方式是否合理，是看其能否比其他方法更“严谨缜密”。果然，人们认为有推广价值的唯一研究方法就在于人工智能研究方法的严谨性。这就好比，一个毕业生的作品是否被公开发表，决定了他能否受聘于一所名校。聘用后，他发表学术论文的数量，决定了能否获得联邦政府的研究资金继续研究人这项技术，而获得政府资助的研究项目是他获得终身教职的有利条件。
1700045627
1700045628
在过去的几十年中，神经网络研究屡次受到各个大学计算机系研究工作的重视，却又屡次被否定。致力人工智能研究的学者发现自己很可能要面临极具风险的研究生涯——曾有某个时期神经网络研究被认为是没有价值的，政府机构停止对该研究项目的资助。人们把这一段艰难的岁月称为“人工智能冬天”，神经网络研究人员也将面临艰难的再次职业选择——要么他们顶着艰苦的研究环境迎难而上，要么他们转变研究方向，选择那些国家财政有保障、专业领域获奖有把握的人工智能研究项目。
1700045629
1700045630
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043819]
1700045631
神经网络
1700045632